1. 引言
日常生活中,遭遇了如人际冲突、亲密关系破裂等负面的生活事件之后,许多人会长久无法摆脱这些事件的影响,并不停地感慨“我非常绝望,我很伤心”,不断试图去想明白事件发生的原因,如“为什么这种事情偏偏会发生在我身上”,久而久之便会沉溺在消极的氛围中无法自拔。上述现象与动物的反刍咀嚼行为类似,被命名为反刍思维。Nolen-Hoeksema作为该领域先驱,认为这种思维并非主动,且会循环往复,导致个体陷于混沌之中,只去注重事件消极面(韩秀,杨宏飞,2009;Nolen-Hoeksema, 1991)。有该倾向的个体通常较消极,遇到挫折、不良情绪等都会反复纠结、担忧和焦虑,显然,这对解决问题并无帮助(潘明军,2013)。然而时至今日,不同的学者对于这一概念各执己见:绝大多数专家认为该思维仅包含消极面,少数学者持不同意见,认为它还包含积极面(郭素然等,2011)。
Nolen-Hoeksema在对抑郁症进行研究时提出了反应风格理论,认为反刍思维个体会不停关注症状成因和结果,且该过程并非主动(Nolen-Hoeksema, 1991)。它是适应不良的体现,也是一种较稳定的人格特质,这种思维方式会导致个体长时间存在消极的认知倾向,而且会干扰有建设性的问题解决行为,所以反刍思维会加重抑郁情绪(Nolen-Hoeksema et al., 2008; Rood et al., 2009)。基于此,Nolen-Hoeksema编制了包含22个项目的反刍思维量表(Ruminative Responses Scale, RRS),采用4级评分,得分越低则越不存在反刍倾向(Nolen-Hoeksema & Morrow, 1991),Bagby等人在研究中检验了该量表的稳定性,表明其信度较好(Bagby et al., 2004)。后来,我国学者韩秀和杨宏飞对该问卷进行了翻译,修订成中文版的反刍思维量表,以在校全日制大学生为研究对象,检测该量表中文版的信效度,总量表α系数为0.90,各维度α系数在0.68至0.85之间(韩秀,杨宏飞,2009),其效标关联效度和结构效度达到了测量学要求,目前在我国已被用作正式测量工具使用。
Conway与Nolen-Hoeksema的看法一致,也认为该思维方式是一种人格特质,该思维的对象是经历的消极事件及其原因、结果,容易进行反刍思维的个体不仅会对当前情境和自身的情绪过度关注,还会将注意力大量集中于这些情境以及情绪将会引起的后果,久而久之便沉浸在悲伤情绪中无法自拔,进而影响个体的人际交往状况,这种特质不会随着时间与情境的变化而改变(Conway et al., 2000)。研究者基于以上观点所编制的悲伤反刍思维量表含13个项目(Conway et al., 2008),有学者对其进行检验,结果显示信度很好(Roelofs et al., 2006)。但该量表很少被使用,有学者认为这个模型对反刍思维的定义并不恰当,且无法验证悲伤反刍对消极情绪的预测作用(Alloy et al., 2000)。
Fritz认为反刍思维是多维的,主要维度有行为、认知和情感,行为层面的反刍思维主要指功能性的反刍,也就是说个体将大部分注意力集中于负面事件造成的实际影响;认知反刍主要指个体更加关注当前事件的成因;情感反刍指个体着重关注消极感受(Fritz, 1999)。
虽然学者们对反刍思维的定义不同,但可以发现反刍思维具有几个较为明显的特点:首先,反刍思维并不是短时间内偶尔发生的反应,它往往能够反复、持续的存在,即使个体想要摆脱这种思维形式也是比较困难的,由此可见反刍思维具有一定的强迫性以及持续反复性;其次,它在知、情、意、行各方面都存在倾向,常与抑郁相关联,严重影响个体认知。但也有学者对此有着不同的看法。
Robinson认为反刍思维不属于人格特质的范畴,反刍思维的发生是由外部的事件引起的,也就是说个体在经历了一些压力、挫折事件之后才容易引起反刍思维,由此可见反刍思维是一种应激反应,所以也称之为反应反刍,这种思维方式是个体对消极压力生活事件的推断,可在压力事件之前预期到该思维发生。与上述学者不同,这两位学者关注到了反刍思维的积极面,他们认为该思维可以改善某些认知缺陷,且有助于抑郁的缓解(Alloy et al., 2000)。
Martin认为该思维是一种思考状态,具有重复性,思考对象为目标状态与现状的差距,反刍思维并不是个体对情绪状态本身的一种行为反应,而是对那些未能完成的目标所做出的反应,他把反刍思维一分为二,将其区分为正常的反刍思维和病理性的反刍思维,在他看来,病理性的反刍思维产生的影响如上文所述,会引起个体的消极情绪,从而阻碍个体的发展,而正常的反刍思维能够促使个体积极、主动地去缩短当前状态与目标状态之间的距离,从而促进个体的目标达成行为,所以他认为反刍思维是一种适应性的反应,对个体具有一定的保护、激励的作用(Martin & Tesser, 1996)。国内也有学者也认为反刍思维并不是单一的结构,而是一个系统且包含多个维度及层次的结构模型,并基于该假设编制了大学生反刍思维量表,经过严谨、系统的筛选及修改之后最终包含23个项目(王中,2016)。
由此可见,当前对反刍思维的研究已经不再局限于反刍思维的负面影响,反刍思维的积极方面也是值得研究与探讨的。
2. 研究方法
2.1. 被试
采用简单方便取样法,选取重庆市五所高校共计1150名大学生进行问卷施测。对未完整作答和乱作答的量表进行剔除后,共回收有效量表1098份,回收率为95.48%。将样本随机分为两部分:样本1包含550份数据,其中男生268人,女生282人;样本2包含548份数据,其中男生257人,女生291人。
2.2. 反刍思维量表
对国内的大学生反刍思维量表(王中,2016)进行修订,并征求心理学专家意见,进一步的调整与修改,修订后的反刍思维量表共包含47个条目,其中积极情绪条件下包含19个条目,消极情绪条件下包含28个条目,采用4级评分。经筛选后含35个条目,其中13项积极,22项消极。积极反刍部分所得分数越高表明存在越高的积极反刍思维倾向,而消极反刍部分所得分数越高表明消极反刍思维倾向越严重。
2.3. 数据处理
采用SPSS和AMOS软件对数据进行项目分析、探索性因素分析和验证性因素分析。
3. 结果
3.1. 项目分析与筛选
在心理量表的编制过程中,通常要用区分度这一指标来对量表的质量进行评估,所以在项目分析中要检测每一个项目的区分度和鉴别力,如果一个项目的区分度越高,那就表明这个项目越能有效的鉴别不同被试的反应程度,根据区分度对项目进行筛选。本研究将采用以下方法分析量表的区分度,将样本1的数据纳入分析。
3.1.1. 临界值法
根据测量结果的总分对样本1的被试进行从高到低的排序,取前27%为高分组,后27%为低分组,对两组在每一个项目上的平均分进行独立样本t检验,若差异显著则该项目的区分度比较高,若差异不显著则表明该项目不具有较好的区分度,不能对被试的反应程度进行有效的鉴别,应该被剔除。结果表明,两组在V1、V13这两题上的得分差异不显著,在其余题项上的都存在显著的差异,所以上述两题的区分度较低,将其删除。
3.1.2. 相关法
对被试在每个项目得分与总分之间的相关性进行Pearson相关检验,将鉴别力系数在0.4以下的题目删除。对样本1的数据进行分析,结果表明,所有题目的鉴别力系数都在0.4以上,应予以保留。
综上,经过对量表项目分析与筛选后,删除V1、V13两题,保留其余45题。
3.2. 探索性因素分析
完成上述分析后,将对量表维度和结构进行分析,考察其是否与预期相同,通常采用探索性因素分析法,并且需要进行多次的因素分析以保证留下合适的项目,删除不合格的项目。在进行探索性因素分析之前,要对样本的适当性进行一定的考察,检验问卷是否具有因素分析的可行性,测量学中通常使用KMO指标对样本适当性进行考察。在本研究的探索性因素分析中,将采用以下标准对项目与因子进行删除:项目的负荷值或共同度低于0.4;同一个项目的两个负荷值的差小于0.2;项目在几个因素上的负荷值都比较大;每个因素要包含3个及以上的项目,并且归类得当。采用主成分分析法、正交旋转方差极大化和碎石图等方法对量表进行探索性因素分析,再根据上述标准选取因素和题项。
对样本1的数据进行探索性因素分析,首先考察样本的适当性,结果显示本研究中的量表KMO系数为0.941,p < 0.001,根据上述的标准判定本量表适合进行探索性因素分析。采用主成分分析法,结合特征值大于1的碎石图,按照上述标准将不符合标准的项目删除,删除之后再次对剩余项目进行探索性因素分析。经过多次探索性因素分析之后,最终共删除10个题项,抽取4个因素,保留35个题项,总共能够解释方差总变异的55.65% (见表1)。与构想一致,分别对因素命名为享受快乐、积极应对、抑制快乐、消极应对,其中前两个因素属于积极反刍,后两个因素属于消极反刍。
![](Images/Table_Tmp.jpg)
Table 1. Analysis result of factors and loadings of ruminative responses scale
表1. 反刍思维量表探索性因素分析结果
3.3. 验证性因素分析
一个量表是否符合要求,不仅要通过探索性因素分析来确立其维度,还要通过验证性因素分析来检验所建构的模型、维度等是否合理,因此本研究将采用验证性因素分析对反刍思维量表的模型进行考察与评价。在这一操作中,通常选用χ2/df、GFI、CFI、TLI、AGFI、RMSEA等指标来对模型进行评价:其中χ2/df低于5则表示模型可以接受;若RMSEA在0.08以下则表示模型拟合较好;而CFI、TLI、GFI、AGFI等适配度指数会在0到1之间变化,若大于0.9则表明模型适配非常好。对样本2的数据进行验证性因素分析的结果显示,反刍思维量表的结构模型对数据拟合较好(χ2/df = 3.24, GFI = 0.95, CFI = 0.95, TLI = 0.94, IFI = 0.95, RMSEA = 0.06),表明反刍思维量表的结构模型是可以接受的。
3.4. 信度分析
在进行了因素分析之后,量表已经确定了一定的结构和维度,一个优质的测量表除了要有清晰的维度结构之外还需要具有较好的信度,所谓信度,就是指测量结果的稳定性程度,也就是可靠性,量表的信度越高,这个量表所测得的结果就越真实、可靠。根据心理测量标准:总量表的信度在0.7到0.8之间表示可接受,0.8以上表示优秀,0.9以上表示很理想;而分量表系数在0.6~0.7之间表示可接受,0.7以上表示优秀,0.8以上表示很理想。本研究将对总样本的量表内部一致性信度和折半信度进行考察,具体结果见表2。由结果可知,总量表的α系数为0.85,分量表的α系数在0.83和0.93之间;总量表的前后折半系数和奇偶折半系数分别为0.78和0.88,分量表的折半系数在0.77和0.90之间。根据上述的判定标准,结果显示量表的各项信度系数均已达到测量学要求,反刍思维量表的信度较高,具有稳定性和可靠性。
![](Images/Table_Tmp.jpg)
Table 2. Reliability analysis of ruminative responses scale
表2. 反刍思维量表的信度分析
3.5. 效度分析
在除了信度之外,效度也是衡量量表的一项重要的指标,效度也就是量表的有效性程度,即量表实际能测出想要测量的心理特质的程度,本研究将对量表的内容效度以及结构效度进行考察。
3.5.1. 内容效度
本研究中量表的项目是基于相关的一些文献综述,结合反刍思维的相关理论,对所参考的相关问卷进行概括、增补后编制得出,经过对量表的数据进行分析之后邀请心理学教师对量表进行评定、商议和修改,因此,本量表内容效度较好。
3.5.2. 结构效度
检验该效度,常采用因素分析、相关分析方法。首先,上文已通过对量表因素分析确定了量表的结构维度,且已对量表的结构模型进行了验证,与预期的理论结构基本一致,因此量表的维度具有一定的科学依据,该量表具有较好的结构效度。此外,还将采用Pearson积差相关对量表进行检验,若各维度与和其对应的量表或总量表之间的相关大于各维度之间的相关,则表明量表的结构效度较好。
根据表3、表4和表5可知,积极反刍和消极反刍两个分量表的总分与其包含的各维度得分的相关系数分别在0.82~0.90和0.81~0.92之间,而各维度间两两相关的系数分别为0.49和0.51,这表明各维度间相关性较低,而各维度与其所属的分量表相关性较高,所以量表的维度是相互独立且又相互关联的。此外,两个分量表与总量表之间的相关系数在0.89~0.93之间,而分量表的相关系数为0.73。总的来看,积极反刍和消极反刍两个分量表以及总量表的结构都有较高的结构效度。
![](Images/Table_Tmp.jpg)
Table 3. Correlation analysis of the dimensions of positive rumination with the total score of the subscale
表3. 积极反刍思维各维度与分量表总分的相关矩阵
注:*p < 0.05,**p < 0.01,***p < 0.001,下同。
![](Images/Table_Tmp.jpg)
Table 4. Correlation analysis of the dimensions of negative rumination with the total score of the subscale
表4. 消极反刍思维各维度与分量表总分的相关矩阵
![](Images/Table_Tmp.jpg)
Table 5. Correlation analysis of ruminative responses scale
表5. 反刍思维总量表的相关矩阵
4. 讨论
我国目前使用较多的反刍思维量表是由国外版本翻译而来的,虽然国外的版本已经被广泛使用,但由于以往关于反刍思维的研究更加关注于反刍思维的消极面,所以其量表也更多的测量反刍思维的消极方面,很少有涉及反刍思维积极方面的量表。少数研究关注到了积极反刍思维(Alloy et al., 2000; Martin & Tesser, 1996)。有学者编制了回顾反刍量表,该量表基于理论假设:反刍思维包含对消极与积极事件的反应,是对情绪过程的深层自适应,量表中每个维度包含6个项目(Davydov et al., 2011)。国内也有学者认为反刍思维并不是单一的结构,而是一个系统且包含多个维度及层次的结构模型,并基于该假设编制了大学生反刍思维量表,经过严谨、系统的筛选及修改之后最终包含23个项目(王中,2016)。但与关注消极反刍思维的研究来说,将重点放于积极反刍思维的研究还是较少。所以本研究不仅关注消极反刍思维,而且还考虑了积极的反刍思维,基于以往对反刍思维的相关研究理论及成果,对反刍思维量表进行修订,用统计软件对量表的数据进行相应的处理,通过项目分析、探索性因素分析以及验证性因素分析等对量表的合理性进行探究,并进一步对量表的信效度进行讨论。
项目分析中所有题项的分数都与其所属维度的总分存在显著的相关,除了2个题之外其余题项在高分组和低分组上都存在显著的差异,将上述两题删除之后量表具有比较好的区分度和鉴别力。通过对量表的探索性因素分析可得出量表的四个维度分别为:享受快乐、积极应对、抑制快乐和消极应对,与最初的构想相一致,其中前两者组成积极反刍,后两者组成消极反刍,且这四个维度的方差贡献率达到了55.65%,即该四个维度总共能够解释方差总变异的55.65%,总共包含35个题项。通过对量表的验证性因素分析可以表明,所构建的模型结构比较符合模型拟合的指标,说明研究中建构的反刍思维模型拟合比较好,且结构合理。
对总量表和分量表的信度进行检验,结果显示各项系数指标均达到要求,具有较高的信度。在量表制定初期对反刍思维的相关文献进行大量的探究,形成了较为合理的结构,并且在分析过程中邀请心理学专业的老师对量表提出建议,根据数据分析结果对量表中的题项进行调整,保证了量表的内容效度。采用相关法对量表的结构效度进行探究,结果显示各维度与和其对应的分量表或总量表之间的相关大于各维度之间的相关,表明量表的结构效度较好。
总的来看,虽然反刍思维量表的某些指标相对较低,只是达到了测量学的要求,但总体上都是在可接受范围内的,所以可以作为一个良好的测量工具。在今后的研究中可以继续对其进行完善。
5. 结论与展望
综上所述,本研究得出以下结论:1) 反刍思维是一个多维度多层次的结构,包含积极反刍思维和消极反刍思维,前者由积极条件下的享受快乐和消极条件下的积极应对构成;后者由积极条件下的抑制快乐和消极条件下的消极应对构成。2) 修订后的反刍思维量表共包含4个维度,分别为:享受快乐、积极应对、抑制快乐和消极应对,共35个题项,各分量表和总量表信效度良好,可作为正式测量工具使用。
此外,由于我国对于反刍思维的研究起步较晚,对于积极反刍思维方面的研究也比较少,因此可以在未来更进一步的探究,在实际应用中考察反刍思维量表的实用性。在接下来的研究中,还可以从反刍思维所针对的对象来进行维度的划分,比如对自己的反刍、对他人的反刍等等,发掘反刍思维研究的新思路,丰富反刍思维研究的理论体系。